AI智能体经常在会话之间丢失上下文。这是一个做智能体开发的人绕不开的痛点：每次新开一轮对话，之前积累的工作区文档、页面内容，全都接不上。有人给出的解法是，把Notion和Cognee接起来，让智能体自动读取工作区文档，再把这些内容转成一张互相连接的知识图谱。

具体怎么跑通的？作者用官方notion-client的Python SDK写了一个NotionLoader。它的活儿很明确：抓取页面和数据库，抽出文本内容，然后交给Cognee的摄取管道处理。

代码层面并不复杂，核心就几步：

  • 从notion_loader导入NotionLoader，同时导入cognee
  • 实例化loader，调用load_data()拿到页面列表
  • 遍历每个页面，把标题和正文拼成一段文本，交给cognee.add()
  • 最后调用cognee.cognify()完成图谱化

这套流程的价值在于，任何在Notion文档上工作的Cognee智能体，都能拿到一份知识图谱形态的记忆。文档不再是散落的页面，而是被转成了互相连接的节点。

会话之间丢上下文这件事，本质上是记忆没有落到一个可复用的结构里。把工作区文档灌进知识图谱，等于给智能体准备了一份可以反复调用的底稿。至于这份底稿能撑多久、图谱质量如何，取决于文档本身的内容和摄取管道的处理结果。

对做智能体的人来说，这个思路的可借鉴之处不在代码量，而在方向：与其每次对话都从零开始喂上下文，不如先把已有的文档资产结构化，让智能体自己去查。